Gouvernance, ingénierie des données, IA générative et AI Act : les articles Voxalia sur la data et l'IA, écrits depuis le terrain des missions.
Pour une entreprise qui utilise l'IA sans la développer, le 2 août 2026 n'a pas été le grand basculement annoncé. Le règlement omnibus a repoussé les obligations sur les systèmes à haut risque à décembre 2027. Mais trois obligations s'appliquent déjà au déployeur, et le report donne quatorze mois pour faire un inventaire que presque personne n'a commencé.
Lire l'article →
Les compétences IA recherchées en 2026 ne sont pas celles qu'on met dans un intitulé de formation. Ceux qui recrutent cherchent des gens capables de préparer une donnée, de tenir une production et de dire non à un cas d'usage. Le reste est devenu un outil que tout le monde utilise.
Lire l'article →
Louer des GPU ne coûte pas cher à l'heure. Ce qui coûte cher, c'est de payer une machine qui tourne à vide, et c'est le cas général : 5 % d'utilisation moyenne mesurée sur 23 000 clusters de production. Le calcul à faire avant de réserver quoi que ce soit.
Lire l'article →
Les équipes produisent plus vite, automatisent plus, génèrent plus de code. Et ça ne règle rien, parce que les vrais problèmes d'un projet ne sont pas techniques. Ce que les études récentes disent de l'IA au travail, et pourquoi elle rend certaines qualités humaines plus critiques que jamais.
Lire l'article →
Le plus gros mensonge des ESN tient en une phrase : « Nous avons trouvé le bon profil. » Un CV ne livre jamais un projet, et deux Data Engineers ne sont pas interchangeables. Ce que nous entendons par matching, et une histoire vraie, chez Oney, qui montre ce que cela change.
Lire l'article →
Le prototype prend trois semaines, la mise en production prend des mois, et la plupart des projets d'IA générative ne produisent aucun résultat mesurable. Ce n'est pas un problème de modèle. C'est un problème de données, de mesure et d'adoption. Ce que nous retenons, sans langue de bois.
Lire l'article →
Les pilotes d'IA générative échouent massivement, et rarement pour des raisons techniques. Ce qui manque n'est ni la puissance ni le modèle : c'est de savoir quelles données existent, qui en répond, et lesquelles ont le droit d'être utilisées. Un travail ingrat, et le seul qui conditionne le reste.
Lire l'article →